Html源文件中image标签的析取 HTML, image, 标签

admin

今天介绍一种从指定网页源文件中析取image标签的的编程技巧，即从网页源文件中，解析出所有的插图文件名（包括图片路径）,也就是标签＜img src=".../... /abc.jpg"＞ 中的文件名".../.../abc.jpg"(有的可能是gif格式)。编程环境：PHP+Apache for Win98。  
+ m3 e+ l$ S# a; s( u# i
! V+ q: m! t2 O7 y　　首先, 用文本编辑器新建一个PHP类型的文件：abstractSRCfrompage.php3。为了方便讲解，我们打算是在浏览器表单域中输入需要析取image标签的网页的URL（或本机文档），提交后执行析取操作，所以在该文件中，我们要建立一个用于输入网址的表单，举例如下：
( S0 a, \/ g4 Q: P4 o1 t* r1 h: g! w& g+ ~! U8 H6 ^1 m
  c4 s' j* s, P0 U% }+ {3 c( s
＜form action=" abstractSRCfrompage.php3" method="post"＞
$ x0 k% j  j; F3 G2 D$ K" }　　输入网址＜input type=text name=filename＞＜br＞4 R$ M* s5 t" a
　　＜input type=submit name=submit value="提交"＞* g. t8 M" h% K2 n( }( ^9 }
＜/form＞
5 U8 ^) p) l' z7 V5 m
/ Y2 l  T/ y3 p6 Y3 g! _' ^. B" |) g* p6 E7 w
　　输入正确的网址，提交后表单信息被送到abstractSRCfrompage.php3页面，由于表单本身就在该页面，所以相当于被送到自身页面，下面我们需要编写析取处理的PHP代码，紧接着表单代码段后写入如下代码：- q# ^1 y% b3 t$ y: X; ]. {
4 a; e9 J0 G$ N5 m
: w' z, s+ L) q1 a; A* V; Y: q
＜?php
2 X! q% i8 S. s1 e% s0 Hif ($filename!=""){
, ]- A" {1 |4 _$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；- M8 y/ ^/ x% W! ]
while ($buffer = fgets($fp, 1024)) {
( }- e3 C# r- H4 Y1 M/ W3 Z) ^$source .=$buffer; }
$ H. r7 Z5 |. jfclose($fp);
' T! ]( Z3 r- C$ g" i6 Mfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
7 B& {8 v0 w* \; g+ }if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
4 \5 `* x) a7 J: Xecho "找到图片标签:)＜br＞";}
7 q& o5 Y. |8 S  belse{  ~* l- W' X' S9 ~
echo "未发现图片标签:(＜br＞";}, w! Z+ Z$ d+ U% u
file://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，
; S: v- Z" Y; Q$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
0 g  T" ]% q9 Iecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
- o( o9 _, O8 a- n- jfor($i=1;$i＜sizeof($splitres);$i++){
$ R! k; X2 P* Efile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;4 J, F0 [2 m/ a! O8 {4 l5 r3 l
unset($imgname); // 再次使用前删除imgname变量；
6 N. m4 ]5 Z1 A* A) C$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量' K2 J6 f  r5 K' G0 ]5 X
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息& v0 p2 o2 T, Y" b( s' U
}& Y: C! J: M* J
}
! N* ^9 B6 f) J: P?＞- `0 [, D' d% k% y

# U  A* Y! A7 E4 y6 d& L
% H6 f% g1 Z9 O8 ]3 |$ i　　该段程序的设计思路是：PHP程式判断是否输入了档案名称(网址URL或本机档案名)，若不为空则以只读方式打开该档案；接着使用函式fgets (fp,length)取得档案指标fp所指的行并传回该行内长度为length-1 的字串，上例中就是1024-1=1023；然后利用字串比对剖析函式ereg()查找$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。5 g, j( ~5 @' B9 A

* w8 B* u7 J2 [. J9 N　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。0 s* O  \9 y7 v3 y. Q" O
& m& m0 t2 x) T- H- k4 o
　　好了，写好后，将abstractSRCfrompage.php3存到你的服务器指定目录下，启动Apache服务器，在浏览器中打开它，随便输入一个存在的网页名称或是远程URL,看看效果如何。
5 l  H8 ~5 ~4 l" Q! n: h1 h5 ?( W. o
　　如果有兴趣，你可以尝试析取HTML文档中的任意感兴趣的信息，如果稍加改装，做一个网站文本搜索引擎岂不更妙？